Comment simplifier votre cheminement vers la production grâce à CDW et HPE

De plus en plus d’organisations expérimentent facilement avec l’IA, mais beaucoup ont besoin d’aide pour mettre à l’échelle leurs initiatives de l’IA. Nous avons résumé les trois obstacles les plus importants auxquels les organisations peuvent faire face lors de l’utilisation de l’IA en production.

Bien que les applications de l’IA s’appuient fortement sur les données organisationnelles pour produire de précieux résultats, la façon dont ces données sont accessibles est cruciale. Le système de l’IA devrait pouvoir différencier les actifs des données publiques, privées et sensibles en fonction du cas d’utilisation qu’il sert.

Par exemple, examinez un robot conversationnel du service à la clientèle déployé par une banque. S’il est conçu pour répondre à des questions sur les politiques et les offres (données publiques), il ne devrait pas être autorisé à accéder aux renseignements du compte des clients, lesquels représentent des informations sensibles et privées.

Ne pas comprendre cette distinction conduit à trois préoccupations pour les organisations qui prévoient la mise en oeuvre de l’IA.   

• Préoccupations en matière de confidentialité : Le système de l’IA respecte-t-il les règlements sur la protection de la vie privée, comme la LPRPDE et veille-t-il à ce que les renseignements personnels identifiables (RPI) ne soient pas divulgués à des personnes mal intentionnées?
• Problèmes de traçabilité : Les réponses du système de l’IA peuvent-elles être suivies, comprises et expliquées facilement?
• Préoccupations de sécurité : Les données transmises à l’IA sont-elles intrinsèquement protégées contre les cyberattaques, le vol de modèles ou l’accès non autorisé?

Au moment où les organisations construisent leur premier prototype, elles découvrent souvent que leurs mécanismes de stockage, d’intégration et de sécurité des données ne sont pas adaptés à l’IA.

Selon notre rapport canadien sur le nuage hybride, seulement trois pour cent des organisations déclarent que leur infrastructure de données était prête à gérer des préoccupations similaires en matière de l’IA.

Même avant d’introduire un modèle de l’IA, beaucoup de travail de base doit être mis en œuvre au chapitre du chiffrement des données, de la conception axée sur la confidentialité et de la sécurité de l’IA. Ce travail nécessite plusieurs changements coûteux, lents et fastidieux au niveau de l’architecture.

Supposons qu’une entreprise souhaite déplacer ses dossiers de clients d’un système infonuagique public vers un système sur place pour qu’ils soit consommés par l’IA. La migration seule peut impliquer un grand nombre de ressources et nécessiter une reconfiguration avant que l’IA n’accède aux données.

Le deuxième obstacle majeur est la gérabilité de la puissance de calcul prête pour l’IA. Les projets nécessitant l’IA exigent du matériel informatique spécialisé comme des processeurs graphiques, des TPU et des puces optimisées pour l’IA afin de répondre aux critères de performance des charges de travail de l’IA.

Même si votre organisation ne forme pas localement des modèles de l’IA, elle peut tout de même avoir besoin de matériel spécialisé pour inférer des charges de travail ou vectoriser des documents pour la génération augmentée de récupération (RAG). 

L’utilisation d’un cadre comme une API OpenAI peut être facile parce que le fournisseur de l’API effectue le traitement. Cependant, la plupart des systèmes d’entreprise nécessitent une infrastructure informatique pouvant être régie plus facilement, ce qui est généralement difficile à gérer.

Principaux défis liés à l’infrastructure de l’IA

• Exigences en matière de talents : des professionnels des TI dévoués sont nécessaires pour exécuter et gérer les serveurs, le stockage et le réseautage de l’IA en raison de la prévalence des outils exclusifs.
• Intégration complexe : les serveurs doivent être configurés et intégrés pour assurer un traitement haute performance et à faible latence, ce qui est généralement complexe.
• Faible personnalisation : il n’est pas facile d’obtenir les solutions de la bonne taille configurées pour les besoins uniques d’une organisation en fonction de son parcours de l’IA.

Au fur et à mesure que les systèmes de l’IA sont déployés dans une organisation, le flux de données entre les applications, les sites, les infrastructures virtuelles et les réseaux doit être étroitement régi.

Cela peut sembler être une arme à double tranchant pour les administrateurs informatiques. À une extrémité, ils doivent ouvrir les voies pour que les systèmes de l’IA consomment des données, mais ils doivent également s’assurer que, ce faisant, ils ne laissent aucune lacune.

Des erreurs de migration de données peuvent survenir lors de la gestion de systèmes disparates comme les environnements de nuages multiples ou les solutions convergentes public-privé. Dans un mauvais cas, si les politiques sont mal configurées, une application de l’IA hébergée privée peut disposer de plus d’accès qu’il n’est nécessaire dans une espace de stockage en nuage public.

Pour éviter les défis de migration des données, les organisations ont besoin d’alternatives centralisées comme un plan de contrôle unifié leur permettant de gérer plusieurs systèmes sous un même toit. Cependant, selon le Rapport canadien sur le nuage hybride, l’adoption de ces technologies a été faible. Seulement 36 pour cent des organisations canadiennes interrogées utilisent la gestion infonuagique unifiée commerciale.

Bien que ces solutions de rechange puissent améliorer le traitement des données, cette décision doit quand même être comparée au RCI du projet de l’IA. Certaines organisations peuvent trouver trop complexe d’introduire de nouvelles technologies bien avant de pouvoir obtenir des rendements prévisibles.

Pour surmonter les obstacles susmentionnés, les organisations ont besoin de solutions qui peuvent consolider les exigences techniques et simplifier la gestion.

Nos partenaires de HPE offrent HPE Private Cloud AI, qui simplifie le développement de l’IA au sein des organisations en intégrant les composants de base de l’IA sur une plateforme unifiée et en réduisant la complexité du cycle de vie de l’IA.

Conçue conjointement avec NVIDIA AI Computing, la plateforme offre des solutions de réseautage, de logiciels, de modèles et de stockage en une seule solution consommable. Les organisations peuvent utiliser les composants dont elles ont le plus besoin pour rationaliser leur projet pilote de l’IA.

Principales caractéristiques qui simplifient le développement de l’IA

• Infrastructure infonuagique privée transparente : offre un nuage privé entièrement intégré, prétesté et optimisé par l’IA, réduisant la complexité de la gestion des goulots d’étranglement des données, comme la confidentialité et la traçabilité.
• Infrastructure personnalisable : obtenir le bon matériel prêt pour l’IA qui convient à la portée et à l’échelle de votre initiative de l’IA comprenant des options pour les petits serveurs d’inférence ou les grandes GAIC (génération augmentée d'information contextuelle) dotées des capacités de réglage précis.
• Plan de contrôle plus simple : offre une expérience de type nuage offrant des outils libre-service, permettant de bénéficier d’une meilleure sécurité et d’une meilleure mise à l’échelle des projets de l’IA.

Pour réduire davantage les défis de production, la solution comprend également un ensemble d’offres intégrées qui sont utiles pour la construction et l’hébergement d’applications de l’IA, lesquelles sont mentionnées ci-dessous.

Modèles de l’IA

La solution est livrée avec une bibliothèque de modèles de l’IA, y compris des grands modèles de langage (GML) et des modèles pour des cas d’utilisation spécifiques de l’industrie, permettant aux entreprises d’accélérer le déploiement de l’IA. L’accès natif aux modèles réduit les efforts requis pour valider et charger les modèles à code source ouvert.

Logiciel de l’IA

La couche logicielle comprend des outils de HPE et NVIDIA, comme le logiciel NVIDIA AI pour entreprise et HPE AI Essentials, permettant d’accélérer les pipelines de données, le développement et le déploiement de modèles. Ce logiciel réduit la dépendance aux outils de tiers et améliore la conformité.

Infrastructure de l’IA

L’infrastructure HPE comprend déjà du matériel prêt pour l’IA comme les serveurs HPE ProLiant 12e gén, le stockage HPE AI et les GPU NVIDIA, fournissant une puissance informatique robuste et des solutions de stockage destinées aux charges de travail de l’IA.

Grâce à un accès interne aux outils, à la plateforme et à une personnalisation plus facile, les organisations peuvent commencer leur cheminement vers la production avec moins de défis qu’auparavant.

CDW s’associe à HPE pour aider les organisations à obtenir le matériel de HPE le plus optimal et à concevoir des solutions prêtes pour le nuage, assurant ainsi un développement simplifié de l’IA.

Nos experts internes en technologie de HPE et notre solide partenariat avec l’industrie pour l’informatique HPE, HPE Greenlake et les services d’infrastructure nous permettent de vous aider dans votre parcours de l’IA.

Nous générons de la valeur en vous aidant à vous connecter, protéger, analyser et agir sur toutes vos données et applications, de la périphérie au nuage, où qu'elles se trouvent.

Alors que vous prévoyez intégrer l’IA à votre organisation, CDW et HPE simplifient les choses pour :

• Créer la bonne solution : discutez avec nos architectes de solutions de l’approche qui vous convient le mieux.
• Accéder à la bonne technologie : obtenez la technologie qui offre de la performance, des serveurs aux logiciels.
• Suivre les meilleures pratiques : atténuez les risques prévisibles, répondez aux préoccupations et surmontez immédiatement les défis connus.